前言
作为新手，学习总结一下 Ray 的集群安装配置及简单使用。
官网
- 英文：https://docs.ray.io/en/latest/index.html
- 中文：https://docs.rayai.org.cn/en/latest/index.html
介绍
Ray 是一个开源的分布式计算框架，旨在简化分布式应用的开发和部署。它提供了简单易用的 API，让开发者能够轻松地将单机应用扩展到分布式环境，适用于机器学习、深度学习、数据处理等多种场景。
Ray 的核心特点
- 简单的分布式编程模型：通过装饰器（@ray.remote）可以轻松将函数或类转换为分布式版本，无需深入了解分布式系统细节。
- 自动任务调度：Ray 拥有高效的任务调度器，能够自动在集群中分配任务，优化资源利用率。
- 支持状态 ful 计算：除了无状态的任务，Ray 还支持有状态的 Actor 模型，适合需要维护状态的场景（如训练模型、服务部署）。
- 丰富的生态系统：包含多个上层库，如用于超参数调优的 Ray Tune、用于强化学习的 Ray RLlib、用于分布式训练的 Ray Train 等。
- 灵活的部署方式：可在单机、集群、云环境（AWS、GCP、Azure 等）中部署，支持动态资源扩展。 more >>